Proximal 利用 AI 生成编码任务，收入超过 2 亿美元

旧金山人工智能实验室使用合成数据和强化学习来训练编码代理，尽管其收入声明面临审查

据报道，位于旧金山的人工智能研究实验室 Proximal 通过使用人工智能模型大规模生成编码任务，年收入已突破 2 亿美元。该公司的方法依靠合成数据生成和强化学习来构建其所描述的用于训练自主编码代理的高保真环境。

对于一家成立于 2025 年、拥有大约 25 名员工的公司来说，这个收入数字将是相当可观的。这将使 Proximal 成为人工智能初创公司中罕见的一家，其收入增长速度比历史上大多数企业软件公司都快。

Proximal 实际上是做什么的

Proximal 构建自动化管道，生成合成代码、创建评估标准、运行质量检查以及使用多代理编排模拟扩展软件开发任务。

该公司发布了 FrontierSWE，这是一个包含超长期任务的基准测试，旨在评估编码代理处理复杂、多步骤工程工作的能力。即使像 Anthropic 的 Claude 这样的领先模型在这些扩展基准上也表现不佳，这表明当前的人工智能编码工具在能够自主处理严肃的软件工程之前仍然有很大的基础。

Proximal 在旧金山和班加罗尔运营，拥有一支精干的团队，体现了其工程驱动的理念。该公司得到了 Scribble Ventures 的支持，并获得了 OpenAI、Anthropic 和其他著名人工智能公司相关个人的天使投资。

人工智能、科技及其所推动的市场——每日简报。日常的。自由的。加入加密货币、金融和政策领域 34,000 多名读者的行列。电子邮件地址 免费订阅 我们尊重您的隐私。随时取消订阅。

收入问题

2 亿美元收入的说法值得一些背景。 Proximal 目前被归类为早期种子支持企业。没有公开文件、公司简介或行业名录独立证实了这一数字。该公司尚未通过任何公开渠道披露年度经常性收入数据。

相比之下，Proximal 与 Cursor 和 Cognition 等公司属于同一大类，这两家公司都在人工智能编码领域报告了强劲的财务业绩。

为什么合成数据现在很重要

更广泛的人工智能行业正在碰壁。训练前沿模型需要大量高质量数据，而适合训练的人工生成代码的供应是有限的。合成数据生成，即使用人工智能为其他人工智能系统创建训练数据的过程，已成为解决这一瓶颈的最有前途的解决方案之一。

FrontierSWE 基准测试反映了这一雄心。通过创建需要长期持续推理的任务，Proximal 正在有效地构建下一代编码代理需要掌握的障碍课程。当前最先进的模型在这些基准上苦苦挣扎的事实告诉我们有关该行业现状的重要信息：“令人印象深刻的演示”和“可靠的自主工程师”之间的差距仍然很大。